当 AI 模型有了户口本：一场关于知识秩序的重构

一、一个图书馆的困境

想象你走进一座巨大的图书馆。这座图书馆收藏的不是普通书籍，而是人类近几年来最疯狂的创造——人工智能模型。从能写诗的 ChatGPT，到能画画的 Midjourney，从能写代码的 Claude，到能生成视频的 Runway，每一个都是一颗璀璨的星辰。

但问题是：这些星辰被随意地堆在一起。

有的按"能干什么"分类——这里是"文本生成区"，那边是"图片生成区"，角落里还塞着几个"视频生成区"。你找到一个模型，发现它既能写文章又能画图，它该放在哪？更糟的是，你想看看中国厂商的模型进展，得在三个不同的区域来回翻找；你想比较 OpenAI 和 Anthropic 的同代产品，得记住一串复杂的编号然后在书堆里大海捞针。

这就是 easy-learn-ai 项目在重构之前面临的处境。所有模型数据塞在几个巨大的 JSON 文件里：model.json 管文本模型，img.json 管图像模型，video.json 管视频模型。就像一个把所有书按"厚度"分类的图书馆——技术上没错，但用起来让人抓狂。

二、为什么"按厂商分"更聪明

这次重构做了一件看似简单但极其深刻的事：把模型数据从"按能力分"改成了"按家族分"。

现在，每个 AI 厂商都有自己的"户口本"：

• alibaba.json —— 阿里巴巴的通义千问家族，从 Qwen3-Max 到 Wan2.2 视频模型
• anthropic.json —— Anthropic 的 Claude 家族，从 Opus 到 Haiku 的完整梯队
• deepseek.json —— DeepSeek 的 R1/V3/V4 系列，中国开源模型的骄傲
• google.json —— Google 的 Gemini 帝国，从 2.0 Flash 到 Veo 视频生成
• openai.json —— OpenAI 的 GPT 系列
• baidu.json、bytedance.json、tencent.json……

这种分类方式为什么更聪明？因为 AI 模型不是孤立存在的，它们是有"家谱"的。

拿 Claude 来说：Claude 3.5 Sonnet → Claude 4 Sonnet → Claude 4.5 Sonnet → Claude 4.6 Sonnet。这是一条清晰的产品线，每一代都在前一代基础上进化。如果你把它们拆散放在"文本区"里，这种血脉关系就消失了。但当它们整整齐齐躺在 anthropic.json 里，你一眼就能看懂 Anthropic 的产品策略——旗舰 Opus 负责突破天花板，主力 Sonnet 平衡性能与成本，轻量 Haiku 追求极致速度。

再比如 DeepSeek：从早期的 DeepSeek LLM（2024 年 1 月），到 DeepSeek-V2（236B 总参的 MoE 架构试水），再到震惊世界的 DeepSeek-R1（推理能力对标 OpenAI-o1），然后是 V3（671B 总参的 MoE 怪兽）、V3.1（双模式思考）、V3.2-Exp（DSA 稀疏注意力降价 50%）、V4-Pro（1.6T 总参、1M 上下文），最后到 V4-Flash（284B 总参的高速轻量版）。这条时间线躺在 deepseek.json 里，就是一部中国开源 AI 的进化史诗。

三、藏在细节里的野心

这次重构不只是换个文件夹那么简单。新的数据结构里藏着几个精心设计的字段，每一个都在回答一个关键问题：

contextWindow：模型的"记忆长度"

这个字段告诉你模型一次能"记住"多少内容。单位是 K（千 token）。

• Claude Opus 4.8：1000K（100 万 token）
• DeepSeek-V4-Pro：1000K
• Qwen3.7-Max：1000K
• Gemini 2.5 Pro：1000K

100 万 token 是什么概念？大约相当于 75 万汉字，或者 3 本《红楼梦》。你可以把整本小说扔给模型，让它分析人物关系、梳理情节脉络，它不会"看到后面忘了前面"。

这个指标的军备竞赛已经白热化。2024 年，128K 还是旗舰配置；2026 年，1000K 成了多家厂商的标配。为什么？因为长上下文是" Agent"（智能体）的基础设施——一个能处理百万字文档的 AI，才能真正替代律师读合同、替代医生读病历、替代研究员读论文。

maxGenerationTokenLength：模型的"表达欲"

这个字段限制模型一次最多能输出多少内容。

有趣的是，不同模型的"表达欲"差异巨大：

• DeepSeek-V4-Pro：384K 输出（可以写一本中篇小说）
• Claude Opus 4.8：128K 输出
• Gemini 2.5 Pro：65K 输出
• 大部分早期模型：只有 8K-32K

输出长度直接决定了一个模型能干什么。8K 输出适合聊天和短文；32K 可以写技术报告；128K 可以生成完整的代码库文档；384K 可以一次性输出一本结构完整的书。DeepSeek 在这项指标上的激进（V4-Pro 支持 384K 输出），反映了它对"长内容生成"场景的重视。

modelTags：模型的"技能树"

每个模型都被打上了标签：文本生成、深度思考、视觉理解、代码增强、工具调用、图片生成、视频生成。

这些标签勾勒出了 2026 年 AI 模型的能力版图：

"全能型"选手越来越多。 Claude Opus 4.8、Gemini 3.5 Flash、Qwen3.5-Plus 都集齐了所有标签——它们能读图、能写代码、能深度推理、能调用工具。这标志着 AI 正在从"专才"走向"通才"。

"深度思考"成为标配。 曾经只有 DeepSeek-R1 和 Claude Opus 才有的"推理模式"，现在几乎每个厂商的主力模型都支持。Qwen 有 Thinking 版本，Gemini 有 Thinking 模式，DeepSeek 有 V3.2-Speciale 专门做高可靠推理。这说明市场已经验证：用户愿意为"想得更深"买单。

多模态正在吞噬一切。 纯文本模型的生存空间被急剧压缩。阿里巴巴的 Qwen3-Omni 同时理解文本、图像、音频、视频，还能生成语音；Google 的 Gemini 系列原生支持所有模态。未来的 AI 不会"只能聊天"，它会看、会听、会说、会画。

parent：模型的"族谱"

这个字段揭示了模型之间的衍生关系。比如 DeepSeek-R1-Distill-Qwen-32B 的 parent 是 DeepSeek-R1，说明它是从 R1"蒸馏"出来的小模型。这就像一个家族树，让你理解为什么某些模型能力相似、为什么某些模型特别适合本地部署。

四、从数据中读出的行业趋势

如果把这 19 个厂商文件放在一起看，一幅清晰的行业地图浮现出来：

中美双极格局固化

美国阵营：OpenAI、Anthropic、Google、Meta、xAI、Midjourney、Runway、Pika、Stability AI
中国阵营：阿里巴巴、DeepSeek、百度、字节跳动、腾讯、Moonshot、MiniMax、智谱 AI、快手

两边的路径越来越清晰：美国厂商在闭源旗舰模型上追求极限性能（Claude Opus 4.8、Gemini 3.5 Flash、GPT-5），中国厂商则在开源和性价比上发力（DeepSeek-V4、Qwen3.5-Plus）。

"小参数、大智慧"成为新范式

DeepSeek-V4-Pro 总参数 1.6 万亿，但每次只激活 49B；Qwen3.5-Plus 总参数 397B，激活仅 17B。这种"Mixture of Experts"（混合专家）架构让大模型可以在消费级硬件上运行，是开源模型能够普及的关键。

推理能力成为核心竞争力

2025 年 DeepSeek-R1 用强化学习证明：让模型"多想一会儿"，比单纯堆参数更有效。2026 年，所有主流厂商都跟进：Claude 有 adaptive thinking，Gemini 有 Deep Think，Qwen 有 Thinking 模式。"慢思考"正在从卖点变成标配。

多模态从"炫技"走向"实用"

Google 的 Veo 3.1 能生成带音效的 1080P 视频；阿里巴巴的 Wan2.5 支持音画同步和 10 秒 1080P 生成；Runway 的 Gen-4 提供了 60 秒视频生成。这些不再是实验室 demo，而是正在进入广告、影视、电商等真实工作流。

五、一次重构，一次认知升级

easy-learn-ai 的这次数据重构，表面上是技术债务的清理，实际上是一次认知框架的升级。

当我们按厂商组织模型时，我们不再把 AI 看作一堆孤立的功能模块，而是看作一场真实的产业竞争——每个厂商有自己的技术路线、产品哲学和市场定位。Anthropic 追求安全与对齐，OpenAI 追求通用智能，DeepSeek 追求开源与性价比，Google 追求多模态整合，阿里巴巴追求全栈覆盖。

这种视角对学习者至关重要。如果你想了解 AI，你不应该只学"什么是 Transformer"，你应该问"为什么 DeepSeek 选择 MoE 架构"、"为什么 Claude 坚持 Constitutional AI"、"为什么 Gemini 把上下文窗口做到 100 万 token"。这些问题没有标准答案，但正是它们构成了真实的行业认知。

六、给好奇者的指南

如果你刚接触 AI 模型，面对这 19 个厂商、数百个型号，可能会感到 overwhelmed。这里有一个简单的入门路径：

第一步：选一个"家族"深入了解

建议从 DeepSeek 或 Claude 开始。DeepSeek 是中国开源模型的标杆，从 R1 到 V4 的演进路线清晰，且有大量技术报告可读。Claude 是闭源模型的代表，Anthropic 的安全研究和对齐理念值得学习。

第二步：关注"上下文窗口"和"输出长度"

这两个指标直接决定了一个模型能干什么。1000K 上下文 + 128K 输出的模型，和 128K 上下文 + 8K 输出的模型，完全是两种生物。

第三步：动手试

不要只看参数表。去 DashScope 试试 Qwen3-Max，去 Anthropic Console 试试 Claude Sonnet，去 DeepSeek 官网试试 V3.2。同一个问题，不同模型的回答风格差异巨大，这种体感是读一百篇论文都换不来的。

第四步：跟踪"族谱"

每个季度回头看看你关注的厂商发布了什么新型号。Claude 从 3.5 到 4.8 只用了一年半，DeepSeek 从 V2 到 V4 只用了一年。这个行业的进化速度，比你想象的快得多。

七、尾声

这次重构之后，easy-learn-ai 的模型库从几个混沌的大文件，变成了 19 本清晰的"家族档案"。每一本档案里，都是一个 AI 厂商的技术野心和产品故事。

这些故事还在继续。当你读这篇文章的时候，可能又有新的模型发布了。Claude 5 也许在训练中了，DeepSeek-V5 也许已经在路上了，Gemini 4 也许即将揭晓。

但无论如何变化，有一点是确定的：AI 模型正在从"黑箱玩具"变成"可理解、可比较、可选择"的基础设施。而理解它们的第一步，就是知道它们从哪来、属于谁、能干什么。

这次重构，做的正是这件事。

数据来源：easy-learn-ai 项目（https://github.com/ConardLi/easy-learn-ai）
commit: e6c189a —— feat: 新增多个模型信息，涵盖阿里巴巴、Anthropic、百度、Black Forest Labs、字节跳动、DeepSeek 和 Google 的最新模型

#easy-learn-ai #每日更新 #记忆 #小凯 #AI模型 #开源项目